[發(fā)明專利]一種雙目視覺水果分揀并聯(lián)機(jī)器人視覺盲區(qū)末端位姿檢測方法

有效

• 申請?zhí)枺?/td>: 202010112300.4
• 申請日: 2020-02-24
• 公開（公告）號: CN111383272B
• 公開（公告）日: 2023-07-21
• 發(fā)明（設(shè)計）人: 高國琴;韓瀅
• 申請（專利權(quán)）人: 江蘇大學(xué)
• 主分類號: G06T7/73
• 分類號: G06T7/73;G06T7/246;G06N3/048;G06N3/08;G01S11/12
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開了一種雙目視覺水果分揀并聯(lián)機(jī)器人視覺盲區(qū)末端位姿檢測方法。首先通過雙目相機(jī)實(shí)時獲取水果分揀并聯(lián)機(jī)器人末端執(zhí)行器的立體圖像對，然后根據(jù)能否識別立體圖像對中的標(biāo)定板來判斷是否為視覺盲區(qū)。步驟1，基于雙目視覺的圖像獲?。夯陔p目視覺實(shí)時采集水果分揀并聯(lián)機(jī)器人末端執(zhí)行器的原始立體圖像對，根據(jù)能否識別立體圖像對中的標(biāo)定板來判斷是否為視覺盲區(qū)；步驟2，針對非視覺盲區(qū)末端位姿檢測；步驟3，針對視覺盲區(qū)末端位姿檢測。本發(fā)明通過混合優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)對視覺盲區(qū)運(yùn)動學(xué)正解進(jìn)行誤差補(bǔ)償，從而克服末端執(zhí)行器受機(jī)構(gòu)自身支路遮擋造成的視覺盲區(qū)末端位姿錯誤檢測問題。

技術(shù)領(lǐng)域

本發(fā)明涉及基于機(jī)器視覺的位姿檢測系統(tǒng)，尤其涉及一種雙目視覺水果分揀并聯(lián)機(jī)器人視覺盲區(qū)末端位姿檢測方法。

背景技術(shù)

隨著現(xiàn)代農(nóng)業(yè)的發(fā)展，水果分揀由機(jī)器人作業(yè)成為發(fā)展趨勢。并聯(lián)機(jī)構(gòu)具有結(jié)構(gòu)穩(wěn)定、精度高、動態(tài)性能好等優(yōu)點(diǎn)，適用于對運(yùn)動穩(wěn)定要求較高的水果分揀操作。為此，一種水果分揀并聯(lián)機(jī)器人被研制。當(dāng)水果分揀并聯(lián)機(jī)器人分揀水果時，對末端執(zhí)行器的位置和姿態(tài)的實(shí)時檢測是成功抓取并分揀水果的前提。同時，水果分揀并聯(lián)機(jī)器人末端執(zhí)行器的位姿是反映該機(jī)器人運(yùn)動狀態(tài)的重要參數(shù)，對分析末端執(zhí)行器的動態(tài)特性和進(jìn)一步實(shí)現(xiàn)并聯(lián)機(jī)器人的閉環(huán)實(shí)時控制均不可或缺。

目前，并聯(lián)機(jī)器人位姿檢測方法可分為接觸式檢測和非接觸式檢測。非接觸式檢測方法可避免測量力對機(jī)器人的受力干擾，適用于末端位姿靜態(tài)和動態(tài)檢測。非接觸式檢測包括超聲檢測、激光檢測、機(jī)器視覺檢測等?；跈C(jī)器視覺的位姿檢測方法相對于其它檢測方法具有非接觸、適用性強(qiáng)、高性價比等優(yōu)點(diǎn)，尤其適用于具有多運(yùn)動自由度、運(yùn)動軌跡復(fù)雜和難以直接檢測的并聯(lián)機(jī)器人末端位姿檢測。基于機(jī)器視覺的位姿檢測系統(tǒng)按照相機(jī)數(shù)目可分為單目、雙目和多目。與單目相比，雙目視覺無需添加幾何約束，可獲取視野范圍內(nèi)任意一點(diǎn)的三維信息，為機(jī)器人的運(yùn)動控制提供更準(zhǔn)確的末端位姿參數(shù)信息；與多目相比，雙目視覺所要求匹配的圖像信息少，減小了立體匹配難度，在保證一定準(zhǔn)確性的條件下，具有更快的檢測速度。由于立體匹配的準(zhǔn)確率是直接影響雙目視覺機(jī)器人末端位姿檢測精度的主要因素，而水果分揀并聯(lián)機(jī)器人因光照、噪聲干擾等不確定因素造成立體匹配中包含較多的錯誤匹配，引起位姿檢測精度的降低。

同時水果分揀并聯(lián)機(jī)器人機(jī)構(gòu)復(fù)雜，由多支路構(gòu)成，在雙目視覺成像中末端執(zhí)行器易受到機(jī)構(gòu)自身支路的遮擋產(chǎn)生視覺盲區(qū)，造成雙目視覺錯誤檢測問題。因此考慮通過運(yùn)動學(xué)正解獲取末端位姿參數(shù)，然而運(yùn)動學(xué)正解存在較大誤差該誤差難以用一個準(zhǔn)確的數(shù)學(xué)模型來描述。RBF(徑向基函數(shù))神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的預(yù)測和泛化能力，適用于水果分揀并聯(lián)機(jī)器人末端位姿檢測的實(shí)時誤差補(bǔ)償，但其進(jìn)行樣本訓(xùn)練時存在隨機(jī)選擇權(quán)值導(dǎo)致預(yù)測精度不高的問題。

文獻(xiàn)《基于改進(jìn)ORB算法無重疊視野域的目標(biāo)交接》(黃新，黃柏華，熊顯名，液晶與顯示，2016，31(8):810-817)利用ORB算法提取目標(biāo)特征點(diǎn)并通過漸進(jìn)式抽樣一致性算法剔除誤匹配點(diǎn)對，但該方法應(yīng)用于水果分揀并聯(lián)機(jī)器人雙目視覺末端位姿檢測時不能保證選取樣本點(diǎn)的分散性，導(dǎo)致模型參數(shù)估計易陷入局部極值，致使模型參數(shù)估計精度不高；同時該方法在得到候選模型后需要將其余所有匹配點(diǎn)檢驗(yàn)一遍，存在耗費(fèi)時間驗(yàn)證錯誤候選模型的問題。因此該方法應(yīng)用于本發(fā)明涉及的水果分揀并聯(lián)器人雙目視覺末端位姿檢測時難以實(shí)現(xiàn)高精度實(shí)時檢測。

文獻(xiàn)《基于狼群算法的RBF神經(jīng)網(wǎng)絡(luò)模擬電路故障診斷》(顏學(xué)龍，丁鵬，馬峻，計算機(jī)工程與應(yīng)用，2017，53(19):152-156.)提出一種灰狼(GWO)優(yōu)化算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)權(quán)值方法，并將其并應(yīng)用于模擬電路故障診斷，然而GWO優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)優(yōu)化復(fù)雜多峰問題時易出現(xiàn)早熟收斂，導(dǎo)致RBF神經(jīng)網(wǎng)絡(luò)的預(yù)測精度降低，因此該方法應(yīng)用于本發(fā)明涉及的水果分揀并聯(lián)機(jī)器人視覺盲區(qū)運(yùn)動學(xué)正解補(bǔ)償時難以獲得較好的補(bǔ)償效果。

發(fā)明內(nèi)容